רגרסיה ליניארית – הבדלי גרסאות
תוכן שנמחק תוכן שנוסף
עמית אבידן (שיחה | תרומות) |
|||
שורה 82:
במציאות, סדרות נתונים לרוב לא יקיימו את כלל ההנחות הקלאסיות, ועל כן לאורך השנים התפתחו שיטות אמידה רבות. את השיטות השונות ניתן לחלק למספר קטגוריות, בהתאם להנחות שהן מתירות להפר:
* '''אמידה של סדרות עתיות''' – שיטות המטפלות בסדרות בהן קיים מתאם סדרתי. השיטה הנפוצה, והפשוטה ביותר, לטפל בסדרות נתונים מסוג זה היא באמצעות החלקה מעריכית- התמרה (החלפה) של ערכי הסדרות בהן קיים מתאם סדרתי לערכי הלוגריתם הטבעי של הפרש התצפיות.
* '''אמידה של סדרות בהן המשתנה המוסבר מקבל ערכים בדידים''' – במקרים אלו המשתנה המוסבר שלנו איכותני, ולא כמותי, ועל כן התפלגותו תהיה [[התפלגות בינומית|בינומית]], [[התפלגות ברנולי|ברנולי]], או [[התפלגות פואסון|פואסונית]]. השיטה הנפוצה ביותר להתמודד עם משתנים מסוג זה היא שימוש ברגרסיה ממשפחת [[Logit|LOGIT]], בה פתרונות המערכת הליניארית תמיד יקבלו ערכים המתיישבים עם ההסתברות לקבל את ערכי המשתנה המוסבר, בהתפלגויות בדידות.
* '''אמידה בייזיאנית''' – נועדה להתמודד עם משתנים מסבירים מקריים. במקרים אלו, האומדים שנקבל לא ינבעו מווקטור פתרונות יחיד, אלא משפחה של התפלגויות פוסטריוריות, המחילות את אי-הוודאות סביב קבלת ערכי המסבירים האפשריים.
==שימושים של רגרסיה ליניארית==
| |||